Resumen
El presente trabajo consta de un estudio de configuraciones de turbinas eólicas, analizando su eficiencia y planteando etapas de optimización para las tecnologías de conversión de energía eólica. Lo que ha permitido establecer un modelo reconfigurable de turbinas adaptativas, bajo los criterios de
mínimo impacto ambiental sobre la fauna, máxima eficiencia energética y actualización dinámica a las nuevas tecnologías. El método consistió en la identificación de los parámetros del sistema eólico, su análisis y generalización de la arquitectura. Se obtuvo un conjunto de variables de optimización,
que permitieron proponer técnicas innovadoras, para la adaptación del modelo configurable del sistema. El modelo desarrollado aporta una base para identificación de parámetros, diagnóstico en línea, etapas de optimización configurables sobre las turbinas eólicas instaladas, mejora la eficiencia, remediación ambiental y regeneración de las condiciones de patrón de flujo y variables ambientales óptimas del sistema, además de reciclaje programado en la etapa de actualización tecnológica.
Palabras Clave: Turbinas eólicas, optimización dinámica, sistemas reconfigurables, regeneración ambiental.
Citas
[2]C.Psomopoulos, K. Kalkanis, S. Kaminaris, G. Ioannidis, & P. Pachos. “A Review of the Potential for the Recovery of Wind Turbine Blade Waste Materials”.
Recycling, vol. 4, no. 1, pp. 7. 2019 https://www.mdpi.com/2313-4321/4/1/7
[3]C. Sandoval-Ruiz, “LFSR Optimization Model based on the Adaptive Coefficients method for ERNC Reconfigurable Systems”. Ingeniare, vol. 29, no. 4, pp.743-766, 202.
[4]B. Bossoufi, M., Lagrioui, et. al. “Observer backstepping control of DFIG-Generators for wind turbines variable-speed: FPGA-based implementation”. Renewable
Energy, vol. 81, pp. 903-917. 2015.
[5]H. Sun, C. Qiu, L. Lu, X. Gao, J. Chen, & H. Yang. “Wind turbine power modeling and optimization using artificial neural network with wind field experimental data”. Applied Energy, vol. 280, 115880. 2020.
[6]C. Sandoval-Ruiz. “Fractal Mathematical over Extended Finite Fields Fp[x]/(f(x))”. Proyecciones Journal of Mathematics, vol. 40, no. 3, pp. 731-742. 2021. doi.
org/10.22199/isnn.0717-6279-4322.
[7]C. Sandoval-Ruiz “LFSR-Fractal ANN Model applied in R-IEDs for Smart Energy”. IEEE Latin America Transactions, vol. 18, no. 4, pp. 677-686. 2020. https://
doi.org/10.1109/TLA.2020.9082210
[8]C. Sandoval-Ruiz, “Quantum architecture: Osciladores acoplados, dinámica y ERNC”, Perspectiva, vol.1, no. 19, pp. 86-99. 2022. Disponible en [on line] https://
www.produccioncientificaluz.org/index.php/perspectiva/article/view/38184
[9]K. Prasad, V. Kumar, G. Swaminathan, & G. Loganathan.“Computational investigation and design optimization of a duct augmented wind turbine (DAWT)”.
Materials Today: Proceedings, vol. 22, pp. 1186-1191.
2020. https://doi.org/10.1016/j.matpr.2019.12.116
[10]H. Jang, D. Kim, Y. Hwang, I. Paek, S. Kim, & J. Baek. “Analysis of Archimedes Spiral Wind Turbine Performance by Simulation and Field Test”. Energies,
vol. 12, no. 24, pp. 4624. 2019. https:// dx.doi.org/10.3390/en12244624
[11]N. Keramat, G.Najafi, T. Tavakkoli, B. Ghobadian & E. Mahmoodi. “Mathematical modeling of a horizontal axis shrouded wind turbine”. Renewable Energy, vol.
146, pp. 856–866. 2020. https://dx.doi.org/10.1016/j.renene.2019.07.022
[12]G. Richmond-Navarro, P. Casanova-Treto, & F. Hernández-Castro. “Efecto de un difusor tipo wind lens en flujo turbulento”. Uniciencia, 35(2), 1-18. 2021.
[13] Universidad de Chile. “Explorador Eólico”. 2021.http://ernc.dgf.uchile.cl:48080/inicio.[14]C. Sandoval-Ruiz. “Smart systems for the protection
of ecosystems, flora and fauna”. Universidad Ciencia y Tecnología, vol. 25, no. 110, pp, 138-154. 2021.
[15]C. Sandoval-Ruiz. “Arreglos Fotovoltaicos Inteligentes con Modelo LFSR-Reconfigurable”. Revista Ingeniería, vol. 30, no. 2, pp. 32-61. 2020. https://doi.
org/10.15517/ri.v30i2.39484.